没有任何人敢保证自己写的程序没有任何BUG，尤其是在商业项目中，程序量越大，复杂度越高，出错的概率越大，尤其是现场环境千差万别，和当初本地电脑测试环境很可能不一样，有很多特殊情况没有考虑到，如果需要保证程序7*24小时运行，则需要想一些办法能够让程序死了能够活过来，在嵌入式linux上，大部分会采用看门狗的形式来处理，程序打开看门狗驱动后，定时喂狗，一旦超过规定的时间，则硬件软复位等。
这种方式相对来说比较可靠，如果需要在普通PC机上运行怎办呢？本篇文章提供一个软件实现守护进程的办法，原理就是udp通信，单独写个守护进程程序，专门负责检测主程序是否存在，不存在则启动。
主程序只需要启动live类监听端口，收到hello就回复ok就行。
为了使得兼容任意程序，特意提炼出来共性，增加了多种设置。
1：可设置检测的程序名称。
2：可设置udp通信端口。
3：可设置超时次数。
4：自动记录已重启次数。
5：自动记录最后一次重启时间。
6：是否需要重新刷新桌面。
7：可重置当前重启次数和最后重启时间。
8：自动隐藏的托盘运行或者后台运行。
9：提供界面设置程序名称已经开启和暂停服务。

本书为该系列图书的第三卷。
清晰地提出并论述了“协调管理”的概念。
所谓协调管理．指面临各种软件组织的问题时．一个管理者如何协调地思考和行动。
这种协调的行为，不但能够解决研发中的人际交流障碍．还能够逐渐使组织本身变得协调，通过组织文化来减少障碍，在提高研发效率的同时．减少失败的概率。
本书准确生动地总结了软件组织中常见的四种行为互相指责、安抚怀柔，超级有理和毫不相关的行为。
并给出了应对的办法。
我们从本书中还能学习到人的性格和习惯(mbti)的分类．以及与不同类型的人有效沟通的技巧等。
总之．本书是现代管理理论和软件工程领域结合的经典之作。

pdf文档2011年的一篇论文，最小化中断概率下的最有功率分配。
采用的是双向中继，模拟网络编码

关于负指数分布M/M/C排队模型（混合制）的计算器，可计算服务概率、平均队长、状态概率等指标

LDPC迭代译码示例详细介绍：PPT中详细介绍了LDPC和积（置信概率）译码，是理解LLR_BP译码、MS译码的前提。
我有相关的译码代码，需要可联系我。

第7章贪心法；
第8章动态规划；
第9章图算法设计；
第10章计算几何；
第11章计算复杂性理论；
第12章概率算法和近似算法；
教程练习题答案

极好的讲测度论的参考教材非常严谨，是好的学习抽象定义概率论的参考书

用均值漂移算法实现目标跟踪，均值漂移算法是一种基于核函数估计的无参数算法，它无需估计整个区间的概率密度也无需知道区间内样本的分布情况，由于其具有较低的计算量，且计算速度快，抗干扰能力强在解决计算机视觉领域尤其是目标跟踪方面表现出了良好的鲁棒性和实时性。

Matlab关于人工神经网络在预测中的应用的论文二-人工神经网络模型在研究生招生数量预测中的应用.pdf四、灰色人工神经网络人口总量预测模型及应用摘要：针对单一指标进行人口总量预测精度不高的问题，基于灰色系统理论和人工神经网络理论，用1990年至2004年中国人口总量序列建立并训练一个多指标的灰色人工神经网络人口总量预测模型。
对2005年至2007年的人口总量进行检验性预测，结果表明灰色人工神经网络模型大大提高了预测精度。
关键词：人口总量；
灰色系统；
BP人工神经网络；
灰色人工神经网络模型引言：本文从影响人口增长的诸多因素中筛选出6个主要因素，结合灰色系统思想与神经网络的优点建立了一个灰色人工神经网络（GreyArtificialNeuralNetwork，GANN）预测模型，对每一个指标分别用GM（1，1）模型选择最佳的维数进行预测，再利用神经网络非线性映射的特性把这6个指标进行非线性组合得到人口总量的预测结果。
该模型充分利用灰色系统弱化数据的随机性及其动态性和神经网络非线性映射的特性，发挥两者的优势，从而进一步提高预测精度。
中间内容省略~结语：由于传统遗传算法聚类算法本身的优点：在解决聚类问题上速度快、准确率高，加上免疫网络分类算法可以进行非监督学习，确定聚类数及聚类点，在实际聚类应用中有更广阔的适用性；
在这种独特的聚类算法的基础上，结合粗糙集理论构建了一种图像分割算法；
同时，通过实验证明该方法不但比传统的FCM算法聚类速度快，分割效果好，而且比文献[2]的分割准确度还要高。
由于该方法有在聚类上的无教师监督的独特优点，并且通过对人脑MR图聚类和分割的两个实验，证明了该分割算法比以往分割算法在具体应用上都有一定的提高。
灰色人工神经网络人口总量预测模型及应用.pdf五、人工神经网络模型在研究生招生数量预测中的应用摘要：研究生招生数量的确定涉国家政策、社会就业、人才需求、专业分布与需求等诸多因素，这些影响因素往往无法量化，而且各个影响因素之间关系错综复杂，简单的线性模型预测未来招生数量往往难以实现。
尝试采用人工神经网络模型，针对历年招生数量原始数据信息零散、隐含影响因素过多、诸多影响因素难以确定性描述等问题，通过对黑龙江省历年研究生招生数量进行系统分析，建立了人工神经网络预测模型，并对未来3年的招生数量进行了预测，预测结果较好，为该方面研究提供了新的研究思路与研究方法。
关键词:黑龙江省;研究生招生;预测;人工神经网络模型引言：关于研究生招生数量的确定，涉及诸多因素，例如国家政策、社会就业、人才需求、专业分布与需求等等。
这些影响因素往往无法量化，很难找出定量化的因素来进行分析，而这些因素又确确实实在很大程度上影响着研究生招生的数量及其分布。
以往分析预测方法主要是确定性数学模型和随机统计方法，例如有限单元法、有限差分法、灰色理论建模、回归分析、谐波分析、时间序列分析、概率统计法等。
这些方法多以线性理论为基础，考虑问题偏于简单化，导致预测精度不高。
本论文结合黑龙江省1981年—2004年的研究生招生规模，针对历年招生数量原始数据信息零散、隐含影响因素过多、诸多影响因素难以确定性描述等问题，探讨应用一种改进的BP网络模型对未来3年黑龙江省研究生招生规模进行预测，为该方面研究提供新的研究思路与研究模式，并渴望为用人单位、科研院校提供制定长远发展与建设规划提供参考。
中间内容省略~结语：采用人工神经网络模型可以有效的处理黑龙江省研究生数量中涉及的人为、政策等随机因素、难以量化等因素的干扰，拟合精度非常高，预测精度也相对较高，为未来研究生招生规模提供科学理论依据，为该方面研究提供新的研究方法与研究思路。
人工神经网络模型在研究生招生数量预测中的应用.pdf六、基于RBF人工神经网络模型预测棉花耗水量摘要：利用MATLAB工具箱，以平均气温、日照时数、平均风速为输入变量，建立了新疆石河子地区棉花耗水量的RBF人工神经网络预测系统，通过2008年实测数据的检验表明，此预测系统网络模型的绝对误差最大为0.0967mm/d、最小为0.0025mm/d、平均为0.0419mm/d，相对误差最大为2.6491%、最小为0.0341%、平均为0.8780%。
可见，网络模型预测的准确度较高，较以往的线性模型更合理，并且此网络训练花费的时间仅需0.0780s，具有一定的实用价值。
关键词：预测；
人工神经网络；
径向基函数；
棉花耗水量引言：计算机人工神经网络是20世纪8

典型的图像算法用到高斯金字塔的概率较大，在构造高斯金字塔的过程中其中一个步骤就是进行高斯模糊，利用MATLAB实现一张图片的高斯模糊，仅仅通过修改尺度因子便能对图像进行不同程度的模糊

在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。 另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。 为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。